带故障样本的弹性双阈值SVDD在线故障诊断算法及其应用

发布时间：2017-12-09 00:13

  本文关键词：带故障样本的弹性双阈值SVDD在线故障诊断算法及其应用

  更多相关文章： 故障诊断 支持向量域描述 故障样本 球边界偏移判别 滑动窗

【摘要】：提出一种带故障样本的弹性双阈值SVDD在线故障诊断算法,该算法从故障样本使用、实时样本划分以及训练样本更新三个方面对传统在线SVDD算法进行优化。一是在SVDD训练阶段加入故障样本,提高数据描述能力和诊断精度;二是提出球边界偏移判别准则,形成可变的双层边界将超球空间分成三个区域,同时增大对故障样本的敏感性,降低漏检风险;三是引入滑动窗机制批量检测更新样本,减少计算量,并通过调节落入中间区域的样本比例控制虚警率。对离心压缩机喘振过程信号检测的试验结果表明,该算法能够自适应更新模型和阈值,并在极少虚警和漏检的情况下实现压缩机喘振故障的准确高效诊断。
【作者单位】： 火箭军工程大学机电工程系;
【基金】：国家自然科学基金资助项目(61201449,51405498)
【分类号】：TH17
【正文快照】： 引言在机械故障诊断中,设备正常运行模式样本多而故障运行模式样本少。从模式识别角度来看,监测机器运行状态是一种少故障样本情况下的异常检测问题[1]。Tax等[2]提出的支持向量域描述(Sup-port Vector Domain Description,SVDD)是一种经典的单值分类器,能有效解决故障诊断问

【相似文献】

中国期刊全文数据库 前2条

1 费成巍;白广忱;;基于WCFSE-FSVM的转子振动故障诊断方法[J];推进技术;2013年09期

2 ;[J];;年期

，

本文编号：1268368